[發(fā)明專利]人臉檢測方法和人臉檢測設(shè)備

有效

• 申請?zhí)枺?/td>: 201110305761.4
• 申請日: 2011-10-11
• 公開（公告）號: CN103049733A
• 公開（公告）日: 2013-04-17
• 發(fā)明（設(shè)計(jì)）人: 鐘誠;劉殿超;劉童;師忠超;王剛
• 申請（專利權(quán)）人: 株式會社理光
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 北京市柳沈律師事務(wù)所 11105
• 代理人: 丁辰

技術(shù)領(lǐng)域

本發(fā)明涉及一種人臉檢測方法和人臉檢測設(shè)備。

背景技術(shù)

隨著計(jì)算機(jī)技術(shù)特別是模式識別技術(shù)的發(fā)展，人臉檢測作為一個(gè)技術(shù)方向出現(xiàn)在人們的視野。人臉檢測技術(shù)可以作為圖像處理和視頻分析領(lǐng)域中多種應(yīng)用項(xiàng)目的基礎(chǔ)性工作，比如人臉識別、人臉圖像檢索以及駕駛員疲勞狀態(tài)檢測等等。

在人臉檢測技術(shù)的外圍技術(shù)中，例如，專利文件1(US?6415053B1)提出了計(jì)算并存儲代表方向的梯度信息的技術(shù)。在該專利中，采用許多方向性模板，以提升邊緣區(qū)域的提取精確度。應(yīng)當(dāng)指出，該專利的目的在于定位圖像中的邊緣區(qū)域，并不能直接用于人臉檢測。

現(xiàn)在，關(guān)于人臉檢測技術(shù)本身也已經(jīng)取得了一定成就，例如，專利文件2(US?7171025B2)提出了一種可以選擇來自圖像或者視頻內(nèi)容中的人臉的檢測模塊。該檢測模塊采用了由粗到精的策略。在粗糙層級中，一些候選點(diǎn)通過顏色模型而被選擇。在精細(xì)層級中，采用人臉檢測器來從具有膚色的圖像點(diǎn)中選擇人臉位置。該發(fā)明的主要局限在于，由于該專利技術(shù)的實(shí)施依賴于顏色模型，而顏色模型對于光照并不魯棒，因此嚴(yán)重限制了其性能。

傳統(tǒng)的人臉檢測手段的設(shè)計(jì)思路雖然是要使人臉檢測器同時(shí)保證檢測性能、檢測速度和低誤檢率，然而這樣的設(shè)計(jì)思路造成人臉檢測器的訓(xùn)練過程困難、復(fù)雜，在各種性能方面實(shí)際上難以面面俱到。

發(fā)明內(nèi)容

鑒于現(xiàn)有技術(shù)中存在的上述問題而做出本發(fā)明。

根據(jù)本發(fā)明實(shí)施例的一個(gè)方面，提出了一種人臉檢測方法，包括：導(dǎo)入步驟，導(dǎo)入待處理圖像；子圖像提取步驟，利用不同尺度的窗口分別遍歷待處理圖像，提取窗口中的待處理圖像的部分，作為子圖像；預(yù)處理步驟，針對所述子圖像，利用水平Sobel模板計(jì)算得到該子圖像的Sobel圖像，如果該Sobel圖像中預(yù)定區(qū)域的Sobel響應(yīng)值之和相對于該子圖像的總Sobel響應(yīng)值之比小于預(yù)定比例閾值，則排除該子圖像；檢測步驟，針對通過預(yù)處理步驟的子圖像，利用Adaboost級聯(lián)分類器排除非人臉子圖像，獲得候選人臉子圖像；驗(yàn)證步驟，針對所述候選人臉子圖像，利用基于Haar-Sobel特征建立的Adaboost分類器，對候選人臉子圖像進(jìn)行驗(yàn)證，排除非人臉子圖像，其余作為人臉子圖像。

根據(jù)本發(fā)明實(shí)施例的另一個(gè)方面，提出了一種人臉檢測設(shè)備，包括：導(dǎo)入裝置，導(dǎo)入待處理圖像；子圖像提取裝置，利用不同尺度的窗口分別遍歷待處理圖像，提取窗口中的待處理圖像的部分，作為子圖像；預(yù)處理裝置，針對所述子圖像，利用水平Sobel模板計(jì)算得到該子圖像的Sobel圖像，如果該Sobel圖像中預(yù)定區(qū)域的Sobel響應(yīng)值之和相對于該子圖像的總Sobel響應(yīng)值之比小于預(yù)定比例閾值，則排除該子圖像；檢測裝置，針對通過預(yù)處理裝置的子圖像，利用Adaboost級聯(lián)分類器排除非人臉子圖像，獲得候選人臉子圖像；驗(yàn)證裝置，針對所述候選人臉子圖像，利用基于Haar-Sobel特征建立的Adaboost分類器，對候選人臉子圖像進(jìn)行驗(yàn)證，排除非人臉子圖像，其余作為人臉子圖像。

本發(fā)明的實(shí)施例的人臉檢測手段在設(shè)計(jì)中采用了“分而治之”的策略。按照本發(fā)明的實(shí)施例，在傳統(tǒng)人臉檢測器的基礎(chǔ)上另外引入用于預(yù)處理和驗(yàn)證的功能模塊，從而本發(fā)明實(shí)施例的人臉檢測手段可以分為3個(gè)功能模塊，分別用于實(shí)現(xiàn)數(shù)據(jù)預(yù)處理、人臉檢測和人臉驗(yàn)證。在數(shù)據(jù)預(yù)處理模塊中，可以采用Sobel特征來直接拒絕一些明顯非人臉的子窗口，此功能模塊可以避免大量的子窗口掃描，從而節(jié)省隨后的檢測時(shí)間。在人臉檢測模塊中，可以采用基于Haar特征的級聯(lián)分類器來選擇候選人臉子圖像。在人臉驗(yàn)證模塊中，可以采用基于Haar-Sobel特征的Adaboost分類器來拒絕一些復(fù)雜的非人臉子圖像，從而提升整體檢測性能。

在本發(fā)明實(shí)施例中，將傳統(tǒng)的人臉檢測器替代為包括傳統(tǒng)檢測在內(nèi)的三個(gè)功能模塊，使得傳統(tǒng)檢測器的性能擴(kuò)展為三個(gè)性能，從而每個(gè)功能模塊的設(shè)計(jì)難度大大降低。更重要的是，這些功能模塊在設(shè)計(jì)時(shí)可以互為補(bǔ)充，從而使得可以更容易地同時(shí)保證人臉檢測整體的檢測性能、檢測速度和低誤檢率。

通過閱讀結(jié)合附圖考慮的以下本發(fā)明的優(yōu)選實(shí)施例的詳細(xì)描述，將更好地理解本發(fā)明的以上和其他目標(biāo)、特征、優(yōu)點(diǎn)和技術(shù)及工業(yè)重要性。

附圖說明

圖1示出按照本發(fā)明實(shí)施例的人臉檢測方法的總體流程圖。

圖2示例性地示出利用不同尺度的窗口分別遍歷待處理圖像的示意圖。

圖3包括圖3A至圖3H，示出了一些被預(yù)處理步驟排除的子圖像示例。

圖4示出本發(fā)明實(shí)施例中可以采用的Adaboost級聯(lián)分類器的結(jié)構(gòu)示意圖。